Magíster en Gestión Ambiental

La evapotranspiración (ET) ha sido poco estudiada en regiones muy húmedas, a pesar de su destacada importancia en la gestión del agua. El objetivo de este estudio fue estimar la ET diaria de referencia (ETo) en ecosistemas de páramo en el altiplano andino, sur de Ecuador, para compararla con el método FAO 56 P-M. Datos disponibles de dos estaciones meteorológicas: Toreadora (período 2013-2016) y Zhurucay (período 2014) se utilizaron para evaluar el rendimiento de 30 modelos predictivos (21 empíricos basado en= radiación, temperatura, combinación y transferencia de masa; 8 redes neuronales artificales-RNAs y 1 splines de regresión adaptativa multivariante-MARS). Se realizó un análisis estadístico simple (MBE, MAE, RMSE). Se desarrolló un análisis inicial de Random Forests para medir la importancia relativa de las variables climáticas. Estos resultados se usaron para ensamblar las RNAs en combinaciones de las variables climáticas y con el menor número posible de entradas. MARS ayudó a desarrollar la ecuación de REMPE usando la radiación solar y la humedad relativa como entradas principales. Los resultados mostraron que las RNAs son los modelos más precisos para estimar ETo; sin embargo, las ecuaciones basadas en combinaciones también obtuvieron buenos rendimientos. Estos fueron seguidos por ecuaciones basadas en radiación, basadas en temperatura y basadas en transferencia de masa. Un método de calibración mejoró el rendimiento de la mayoría de los modelos empíricos y empeoró los de los modelos restantes. Estos resultados se explicaron por la distribución de radios de calibración para cada ecuación. Las ecuaciones basadas en la transferencia de masa y REMPE exhibieron los peores resultados, y se sugiere que estas ecuaciones no se deben ser utilizadas en entornos super-húmedos. Estos resultados representan una herramienta práctica y útil para facilitar la toma de decisiones y la selección del mejor modelo cuando los datos disponibles son escasos.